SlopTotal propose une détection de texte IA auto-hébergée sur CPU locaux

Le développeur Pablo Caeg a publié SlopTotal, un projet open-source qui fonctionne comme une alternative locale et auto-hébergée aux détecteurs commerciaux de contenu généré par IA. Publié fin septembre 2026, l'outil agrège vingt-trois moteurs de détection différents pour analyser le texte, les documents et les URL entièrement sur le matériel de l'utilisateur. En exécutant ces modèles localement sur CPU, il garantit que les données sensibles ne quittent jamais l'infrastructure de l'utilisateur tout en offrant une visibilité granulaire sur la manière dont chaque moteur arrive à sa conclusion.

Ce qui s'est passé

SlopTotal fonctionne en parallélisant vingt-trois méthodes de détection indépendantes, allant de classificateurs neuronaux comme DeBERTa et RoBERTa à des tests statistiques tels que l'analyse de perplexité et de burstiness. Au lieu de renvoyer un score de probabilité unique en boîte noire, le système présente un verdict d'ensemble calibré accompagné des scores individuels de chaque moteur. Cette approche permet aux utilisateurs d'examiner les contributions spécifiques des heuristiques linguistiques, des détecteurs de phrases stéréotypées et des modèles d'apprentissage profond. Le projet comprend une interface web et une API JSON, permettant l'intégration dans les workflows existants ou des vérifications manuelles via un navigateur.

L'outil dispose également d'une fonctionnalité spécialisée « site check » conçue pour identifier les sites web générés par des créateurs d'applications IA. Il recherche des empreintes numériques spécifiques laissées par des plateformes comme Lovable, v0, Bolt, Base44, Replit et Same. Plutôt que de deviner sur la base du style visuel ou de la qualité du code, il recherche des marqueurs concrets tels que des environnements d'exécution JavaScript spécifiques, des balises meta et des domaines d'hébergement associés à ces créateurs. Cette distinction aide à séparer le codage assisté par IA des artefacts de déploiement générés par IA, fournissant des preuves plutôt qu'un simple pourcentage de probabilité.

Détails clés

• Exécution locale : Le logiciel fonctionne entièrement sur CPU, ne nécessitant pas de GPU, avec un minimum de 4 Go de RAM pour le profil lite.
• Vingt-trois moteurs : Combine des classificateurs neuronaux, des méthodes statistiques et des heuristiques linguistiques pour une analyse multi-niveaux.
• Benchmarking transparent : Les métriques de précision sont publiées avec des scores bruts par échantillon, y compris des tests contre la littérature pré-1920 pour mesurer les faux positifs.
• Prise en charge des documents : Accepte la saisie directe de texte, les URL, les PDF, les documents Word et les fichiers Markdown pour l'analyse.
• Axé sur la confidentialité : Aucune donnée n'est envoyée à des API externes ; les rapports sont stockés localement et supprimés après trente jours par défaut.
• Prêt pour Docker : Peut être déployé instantanément à l'aide d'une seule commande Docker, avec mise en cache automatique des modèles après la première exécution.

Contexte

La détection d'IA est devenue un domaine controversé en raison du taux élevé de faux positifs et de l'opacité des outils propriétaires. De nombreux détecteurs commerciaux fonctionnent comme des boîtes noires, offrant un score de confiance unique sans expliquer la logique sous-jacente. Ce manque de transparence rend difficile pour les organisations de faire confiance aux résultats, surtout lorsqu'il s'agit d'écrits formels ou de styles littéraires anciens qui peuvent partager des similarités structurelles avec le texte généré par machine. De plus, l'envoi de documents d'entreprise sensibles à des services de détection tiers soulève des préoccupations importantes en matière de confidentialité et de sécurité des données.

SlopTotal répond à ces problèmes en adoptant une approche d'ensemble similaire à VirusTotal, qui agrège plusieurs moteurs antivirus. En combinant diverses stratégies de détection, il atténue les faiblesses des modèles individuels. Par exemple, bien que les classificateurs neuronaux soient puissants, ils peuvent être biaisés contre certains styles d'écriture. Les heuristiques linguistiques, bien que moins performantes individuellement, fournissent des signaux indépendants qui aident à départager les cas. Le projet publie explicitement ses cas d'échec et sa méthodologie de benchmarking, permettant aux utilisateurs de comprendre les limites de la technologie plutôt que de se fier aux affirmations marketing.

Pourquoi c'est important

Pour les équipes qui gèrent leur propre infrastructure logicielle, la capacité d'auditer le contenu généré par IA sans exposer la propriété intellectuelle à des fournisseurs externes est cruciale. L'auto-hébergement de SlopTotal garantit que les documents internes, les revues de code et les communications restent dans le périmètre de sécurité de l'entreprise. Cela est particulièrement important pour les industries ayant des exigences de conformité strictes où la fuite de données vers des services IA tiers est interdite. La exigence CPU-only abaisse également la barrière à l'entrée, permettant le déploiement sur des serveurs standard ou même des ordinateurs portables de développement sans matériel spécialisé.

La transparence du mécanisme de scoring apporte une valeur pratique aux workflows éditoriaux et de conformité. Lorsqu'un contenu est signalé, les réviseurs peuvent voir exactement quels moteurs ont déclenché des alertes et pourquoi. Cette information granulaire aide à distinguer entre une génération réelle par IA et des particularités stylistiques dans l'écriture humaine. De plus, la fonctionnalité site-check offre une nouvelle façon d'évaluer les livrables des fournisseurs ou les projets internes, identifiant si un site web a été construit à l'aide d'outils de prototypage rapide par IA, ce qui peut avoir des implications pour la maintenabilité et la sécurité.

Ce que vous pouvez faire

• Déployez l'outil localement en utilisant Docker pour tester ses performances sur votre configuration matérielle spécifique.
• Intégrez l'API JSON dans votre système de gestion de contenu pour automatiser le pré-filtrage des articles soumis.
• Utilisez le point de terminaison site-check pour auditer les sites web de fournisseurs externes à la recherche de signes de code boilerplate généré par IA.
• Examinez les données de benchmark publiées pour comprendre les taux de faux positifs de l'outil avant de le mettre en œuvre dans des workflows critiques.
• Configurez la politique de rétention pour correspondre aux normes de gouvernance des données de votre organisation, en veillant à ce que les rapports soient supprimés correctement.
• Exécutez le script de test fumée après l'installation pour vérifier que tous les vingt-trois moteurs se chargent et fonctionnent correctement.